摘要
第1章结论
1.2研究背景及意义
1.3国内外研究现状
1.3.1线性预测方法
1.3.2非线性预测方法
1.3.3混合预测方法
1.3.4其他预测方法
1.4本文所做的工作
1.5本文结构
第2章基于改进人工鱼群与粒子群优化算法的混合算法
2.1引言
2.2人工鱼群算法
2.2.1相关定义
2.2.2人工鱼四种行为描述
2.3人工鱼群算法改进
2.3.1改进人工鱼群算法(AAFA)
2.3.2改进人工鱼群算法流程
2.4.1粒子群优化算法简介
2.4.2算法原理
2.4.3粒子群优化算法流程
2.5改进人工鱼群与粒子群优化算法的混合算法
2.6.1实验设计
2.6.2实验结果分析
2.7本章小结
第3章改进小波神经网络
3.2人工神经网络的相关概念
3.3小波分析理论及其与人工神经网络的结合模型
3.3.1松散型小波神经网络模型
3.3.2融合型小波神经网络模型
3.4改进小波神经网络模型(AAFA_PSO_WNN)
3.5仿真实验
3.5.1实验设计
3.5.2实验结果分析
3.6本章小结
第4章改进WNN在短时交通流量预测中的应用
4.1引言
4.2交通流量的规律及预测方法
4.2.1交通流量的规律
4.2.2常用的交通流量预测方法介绍
4.2.3将AAFA_PSO_WNN运用于短时交通流量预测的可行性分析
4.3本文所采用的短时交通流量数据及其预测流程
4.4数据预处理
4.4.1缺省数据及实验所用的短时交通流量数据的处理
4.4.2短时交通流量数据噪声处理
4.4.3数据的归一化及反归一化处理
4.5 WNN层数及各层神经元个数的确定
4.5.1输入层及输出层神经元个数的确定
4.5.2隐藏层神经元个数的确定
4.6基于AAFA_PSO_WNN的短时交通流量预测仿真实验
4.6.1实验设计
4.7.2实验结果分析
4.7本章小结
第5章结论与展望
5.2进一步研究内容
参考文献
攻读学位期间取得的研究成果
致谢
声明